CN111551565A - 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 - Google Patents
一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 Download PDFInfo
- Publication number
- CN111551565A CN111551565A CN202010568753.8A CN202010568753A CN111551565A CN 111551565 A CN111551565 A CN 111551565A CN 202010568753 A CN202010568753 A CN 202010568753A CN 111551565 A CN111551565 A CN 111551565A
- Authority
- CN
- China
- Prior art keywords
- defect detection
- tower
- image data
- point cloud
- defect
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000007547 defect Effects 0.000 title claims abstract description 139
- 238000001514 detection method Methods 0.000 title claims abstract description 108
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000003466 welding Methods 0.000 claims abstract description 57
- 238000004141 dimensional analysis Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims description 17
- 238000001914 filtration Methods 0.000 claims description 9
- 239000002184 metal Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 239000011800 void material Substances 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000011895 specific detection Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000003706 image smoothing Methods 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 241001292396 Cirrhitidae Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Abstract
发明公开了一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法，基于机器视觉的风电塔筒焊缝缺陷检测方法具体如下：步骤A.运动控制系统转动塔筒；步骤B.图像采集系统在塔筒转动过程中采集塔筒焊缝处的图像数据；步骤C.图像采集系统对图像数据进行预处理并输出并传输给缺陷检测系统；步骤D.缺陷检测系统根据图像采集系统采集的图像数据进行缺陷检测；与现有技术相比，本发明的塔筒焊缝缺陷检测方法，运动控制系统配合图像采集系统转动塔筒来完成的图像数据的采集，缺陷检测系统对高度图进行二维分析，以检测塔筒焊缝气孔缺陷，缺陷检测系统对点云数据进行三维分析，以检测塔筒焊缝的咬边缺陷和弧坑缺陷，可靠性和准确度高，检测速度快。
Description
技术领域
发明涉及焊缝缺陷检测技术领域，具体地，涉及一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法。
背景技术
风力发电塔架是由多层风电塔筒焊接而成，风电塔筒不仅起到承重的作用，还有缓冲减震的效果。塔筒的使用材料一般是钢铁为主，由于塔筒本身是大型机构，且因其处于高处和较恶劣的环境作业和日常经受风吹雨打，很大程度上对焊接结构有严格的合格要求，继而风电塔筒焊缝的检测是保证风电塔筒质量的重要依据之一。风电塔筒的焊缝检测当前主要采用人工检测方法，效率低下且准确度较低。
发明内容
发明的目的在于提供一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法，其用于解决上述技术问题。
一种基于机器视觉的风电塔筒焊缝缺陷检测方法，包括图像采集系统、运动控制系统和缺陷检测系统，图像采集系统包括相机支架、激光相机、通讯接口和计算机，相机支架用于固定激光相机并可以对激光相机的高度进行调整，激光相机用于采集塔筒焊缝处的图像数据，所采取的图像数据包括高度图和点云，通讯接口用于将激光相机与计算机连接；运动控制系统用于支撑风电塔筒并在图像采集系统采集风电塔筒焊缝处的图像数据时转动塔筒，缺陷检测系统为安装于计算机内的缺陷检测软件；缺陷检测系统对高度图进行二维分析，以检测塔筒焊缝气孔缺陷，缺陷检测系统对点云数据进行三维分析，以检测塔筒焊缝的咬边缺陷和弧坑缺陷。
一种基于机器视觉的风电塔筒焊缝缺陷检测方法，采用上述缺陷检测装置，具体检测方法如下：
步骤A.运动控制系统转动塔筒；
步骤B.图像采集系统在塔筒转动过程中采集塔筒焊缝处的图像数据，获取塔筒焊缝处的高度图及一整段连续的点云数据；
步骤C.图像采集系统对图像数据进行预处理并输出；
步骤D.缺陷检测系统根据图像采集系统采集的图像数据进行缺陷检测；
其中，步骤D包括
获取图像数据；
三维图像检测：检测焊缝是否存在咬边缺陷和弧坑缺陷；
二维图像检测:检测焊缝是否存在气孔缺陷；
显示检测结果。
根据发明的一实施方式，步骤C中图像采集系统对图像数据进行预处理后，输出到计算机，计算机对图像数据进行存储，步骤D中获取图像数据的步骤为缺陷检测系统从计算机加载图像数据。
根据发明的一实施方式，步骤C中图像采集系统对图像数据进行预处理包括滤波处理和ROI提取。
根据发明的一实施方式，三维图像检测包括以下步骤：
设定点云数据的高度阈值H的范围；
根据点云数据进行三维重建；
计算上表面和下表面的高度差△H；
将H与△H进行对比；
判定结果：若△H＞H，则判定为咬边缺陷；若△H＜H，则判定为弧坑缺陷；若△H在H的范围内，则判定为合格；
其中，计算上表面和下表面的高度差△H的步骤包括：
筛选出上表面点云数据，并计算上表面的高度的均值`H1；
筛选出下表面点云数据，并计算下表面的高度的均值`H2；
计算上表面和下表面的高度差△H，△H=`H1-`H2。
根据发明的一实施方式，二维图像检测包括以下步骤：
设定气孔面积阈值S的范围；
获取高度图：从计算机加载高度图；
将高度图进行灰度化处理；
选取特征区域；
计算特征区域的面积S1；
将S于S1进型对比；
判定结果：若S1在S的范围内，则判定为气孔缺陷，否则判定为合格。
根据发明的一实施方式，步骤C中图像采集系统对图像数据进行预处理后，直接传输给缺陷检测系统，所述步骤D中获取图像数据的步骤为缺陷检测系统直接读取图像采集系统传递的图像数据。
根据发明的一实施方式，步骤C中图像采集系统对图像数据进行预处理包括以下步骤：
去噪处理：对点云数据进行滤波处理和ROI提取；
对点云进行切片化处理；
筛选最高点云数据集合；
筛选最低点云数据集合；
筛选母材点云数据集合。
根据发明的一实施方式，三维图像检测包括以下步骤：
三维图像检测包括以下步骤：
设定点云数据的高度阈值H的范围；
将筛选出的最高点云数据集合、最低点云数据集合和母材点云数据集合分别进行三维重建；
求最高区域到母材高度的均值`H1和最低区域到母材的高度的均值`H2；
将H分别与H1和H2进行对比；
判定结果：若H1＞H，则判定为咬边缺陷；若H2＞H，则判定为弧坑缺陷，若H1＜H,以及H2＜H，则判定为合格。
根据发明的一实施方式，二维图像检测包括以下步骤：
获取高度图：将根据点云三维重建的三维图变换到二维平面；
设定气孔面积阈值S的范围；
将二维图进行灰度化处理；
选取特征区域；
计算特征区域的面积S1；
将S于S1进型对比；
判定结果：若S1在S的范围内，则判定为气孔缺陷，否则判定为合格。
与现有技术相比，发明的基于机器视觉的风电塔筒焊缝缺陷检测方法具有以下优点：
发明的基于机器视觉的风电塔筒焊缝缺陷检测方法，图像采集系统对塔筒焊缝处的图像数据的采集是通过运动控制系统配合图像采集系统转动塔筒来完成的，缺陷检测系统对高度图进行二维分析，以检测塔筒焊缝气孔缺陷，缺陷检测系统对点云进行三维分析，以检测塔筒焊缝的咬边缺陷和弧坑缺陷，可靠性和准确度高，检测速度快高。
附图说明
图1为发明的基于机器视觉的风电塔筒焊缝缺陷检测装置的结构示意图；
图2为发明的基于机器视觉的风电塔筒焊缝缺陷检测装置的相机支架的结构示意图；
图3为采用基于机器视觉的风电塔筒焊缝缺陷检测装置检测塔筒焊缝第一种检测方法的流程图；
图4为采用基于机器视觉的风电塔筒焊缝缺陷检测装置检测塔筒焊缝第二种检测方法的流程图；
图中：1.相机支架、11.底座、12.下支撑杆、13.上支撑杆、14.横梁、15.纵向调整件、151.纵向连接座、152.纵向调整丝杆、16.横向调整、161.横向连接座、162.横向调整丝杆、17.相机加紧件、171.U型板、172.相机固定块、173.固定螺钉、174.固定螺母、2.紧激光相机、3.塔筒底座、31.塔筒支、32.转轮
发明功能的实现及优点将结合实施例，参照附图做进一步说明。
具体实施方式
以下将以图式揭露发明的多个实施方式，为明确说明起见，许多实务上的细节将在以下叙述中一并说明。然而，应了解到，这些实务上的细节不应用以限制发明。也就是说，在发明的部分实施方式中，这些实务上的细节是非必要的。此外，为简化图式起见，一些习知惯用的结构与组件在图式中将以简单的示意的方式绘示之。
需要说明，发明实施例中所有方向性指示(诸如上、下、左右、前、后……)仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
另外，在发明中如涉及“第一”、“第二”等的描述仅用于描述目的，并非特别指称次序或顺位的意思，亦非用以限定发明，其仅仅是为了区别以相同技术用语描述的组件或操作而已，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在发明要求的保护范围之内。
为能进一步了解发明的内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：
实施例一：
请参阅图1及2，图1为实施例的基于机器视觉的风电塔筒焊缝缺陷检测装置的结构示意图；图2为实施例的基于机器视觉的风电塔筒焊缝缺陷检测装置的相机支架的结构示意图。如图所示，基于机器视觉的风电塔筒焊缝缺陷检测装置包括图像采集系统、运动控制系统和缺陷检测系统，图像采集系01统包括相机支架1、激光相机2、通讯接口（图中未标示）和计算机（图中未标示），相机支架1用于固定激光相机2并可以对激光相机2的高度进行调整，激光相机2用于采集塔筒焊缝处的图像数据，激光相机2所采取的图像数据包括高度图和点云，通讯接口用于将激光相机2与计算机连接；运控控制系统02用于支撑风电塔筒并在图像采集系统采集风电塔筒焊缝处的图像数据时转动塔筒，缺陷检测系统为安装于计算机内的缺陷检测软件；缺陷检测系统对高度图进行二维分析，以检测塔筒焊缝气孔缺陷，缺陷检测系统04对点云进行三维分析，以检测塔筒焊缝的咬边缺陷和弧坑缺陷。
请复阅图2，如图所示，在本实施例中，相机支架1包括底座11、下支撑杆12、上支撑杆13、横梁14、纵向调整件15、横向调整件16和相机加紧件17，下支撑杆12设于底座11，上支撑杆13套设于下支撑杆12，且可以通过调整上支撑杆13与下支撑杆12的套接位置，调整相机支架1的总体高度，横梁14连接于上支撑杆13，纵向调整件15与横梁14连接，横向调整件16与纵向调整件15连接，相机加紧件17与机横向调整件16连接，相机夹紧件17将激光相机2加紧后，纵向调整件15可以对激光相机2的高度进行微调，横向调整件16可以对激光相机2沿横向进行微调，使激光相机2与塔筒焊缝对准。
请复阅图2，如图所示，在本实施例中，纵向调整件15包括纵向连接座151和纵向调整丝杆152，横向调整件16包括横向连接座161和横向调整丝杆162，纵向连接座151与横梁14连接，纵向调整丝杆152设于连接座151，横向连接座161通过丝杆螺母滑动连接于纵向调整丝杆152，横向调整丝杆162设于横向连接座162，相机夹紧件17通过丝杆螺母滑动连接于横向调整丝杆162。
请复阅图2，如图所示，在本实施例中，相机加紧件17包括U型板171、两个相机固定块172、两个固定螺钉173和两个固定螺母174，两个固定螺母174分别将两个固定螺钉173连接于U型板171的左右两端，两个相机固定块172分别于两个固定螺钉173连接，并在激光相机2安装到相机加紧件17上时从激光相机2的两端加紧激光相机2。
在本实施例中，相机支架1的高度调整范围为1.2米-1.6米，可以针对塔筒不同位置的焊缝进行检测。
本实施例的激光相机2采用SmartRay公司的JOSY 3D激光相机，频率高达8K Hz,速度高达400㎜/s，精度为0.1㎜，可以采集焊缝处的点云数据、高度图、光强度图等。
请复阅图1，如图所示，在本实施例中，运动控制系统采用两个可转动的塔筒底座3，每个塔筒底座3均包括塔筒支座31、和由驱动系统驱动的两个转轮32，转轮32设于塔筒支座31上并可在驱动系统的驱动下转动。当塔筒放置于两个塔筒支座31上时，塔筒的两侧分别置于两个转轮32之间，焊缝位于两个塔筒底座3之间。当图像采集系统采集焊缝处的图像数据时，驱动系统驱动转轮32转动，在转轮32的作用下塔筒发生缓慢转动，使图像采集系统可以捕捉到高度图和一整段连续的点云数据。
在本实施例中，缺陷检测系统主要是使用C++语言于Visual Studio2013上搭建的MFC界面，通过配置Halcon和Visual Studio2013的使用环境，采集焊缝表面的高度图和点云数据，针对塔筒焊缝气孔缺陷，根据高度图，采用二维分析进行检测；针对咬边缺陷和弧坑缺陷，根据点云数据进行三维重建，然后采用三维分析进行检测，最终显示输出结果。
实施例二：
请参阅图3，图3为本实施例的检测方法的流程图。如图所示，基于机器视觉的风电塔筒焊缝缺陷检测方法，采用实施例一所述的缺陷检测装置，具体检测方法如下：
步骤A.运动控制系统转动塔筒：将待检测的塔筒放置到两个塔筒支座31上时，塔筒的两侧分别置于两个转轮32之间，焊缝位于两个塔筒底座3之间，然后驱动系统驱动转轮32转动，在转轮32的作用下，塔筒发生缓慢转动；
步骤B.图像采集系统在塔筒转动过程中采集塔筒焊缝处的图像数据，获取塔筒焊缝处的高度图及一整段连续的点云：激光相机2在塔筒转动过程中对塔筒焊缝处进行激光扫描，获取塔筒焊缝处的高度图及一整段连续的点云数据；
步骤C.图像采集系统对图像数据进行预处理并输出，计算机对图像数据进行存储：图像采集系统对图像数据进行预处理包括滤波处理和ROI提取，滤波处理将图像数据进行图像去噪、图像平滑处理，用于剔除干扰检测的噪声，本实施例采用的是空间域滤波，根据点云的高度，选出要感兴趣的点云区域；ROI提取用于将需要识别的区域从背景区域中提取出来；
步骤D.缺陷检测系统根据图像采集系统采集的图像数据进行缺陷检测；
其中，步骤D包括：
获取图像数据：缺陷检测系统从计算机加载图像数据；
三维图像检测：检测焊缝是否存在咬边缺陷和弧坑缺陷；
二维图像检测:检测焊缝是否存在气孔缺陷；
显示检测结果：若焊缝存在缺陷，在显示检测结果的同时在图像上对缺陷区域进行区域标记。
在本实施例中，所述三维图像检测包括以下步骤：
设定点云数据的高度阈值H的范围；
根据点云数据进行三维重建；
计算上表面和下表面的高度差△H：
筛选出上表面点云数据，并计算上表面的高度的均值`H1；
筛选出下表面点云数据，并计算下表面的高度的均值`H2；
计算上表面和下表面的高度差△H，△H=`H1-`H2。
将H与△H进行对比；
判定结果：若△H＞H，则判定为咬边缺陷；若△H＜H，则判定为弧坑缺陷；若△H在H的范围内，则判定为合格。
在本实施例中，计算点云数据的均值△H的步骤包括：
筛选出上表面点云数据，并计算上表面的高度的均值`H1；
筛选出下表面点云数据，并计算下表面的高度的均值`H2；
计算上表面和下表面的高度差△H，△H=`H1-`H2。
在本实施例中，所述二维图像检测包括以下步骤：
设定气孔面积阈值S的范围；
获取高度图：从计算机加载高度图；
将高度图进行灰度化处理；
选取特征区域；
计算特征区域的面积S1；
将S于S1进型对比；
判定结果：若S1在S的范围内，则判定为气孔缺陷，否则判定为合格。
本实施例的检测方法，适用于离线检测，图像采集系统采集塔筒焊缝处的图像数据后，先对图像数据进行预处理，然后以高度图和点云数据的格式存储于计算机，当需要对塔筒焊缝进行缺陷检测时，先从计算机上打开缺陷检测软件，然后从存储路径加载需要的图像数据。
本实施例的二维检测和三维检测不分先后顺序。当先检测气孔缺陷时，缺陷检测软件直接从计算机加载高度图，并对高度图进行灰度化处理，然后选出特征区域并计算特征区域的面积，当特征区域的面积在阈值范围内时，判定为存在气孔缺陷，特征区域的面积不在阈值范围内时，则不存在气孔缺陷；然后缺陷检测软件从计算机加载点云，根据点云数据进行三维重建，并进行三维检测，以判定是否存在咬边缺陷和弧坑缺陷。
实施例三：
请参阅图4，图4为本实施例的检测方法的流程图。如图所示，基于机器视觉的风电塔筒焊缝缺陷检测方法，采用实施例一所述的缺陷检测装置，具体检测方法如下：
步骤A.运动控制系统转动塔筒：将待检测的塔筒放置到两个塔筒支座31上时，塔筒的两侧分别置于两个转轮32之间，焊缝位于两个塔筒底座3之间，然后驱动系统驱动转轮32转动，在转轮32的作用下，塔筒发生缓慢转动；
步骤B.图像采集系统在塔筒转动过程中采集塔筒焊缝处的图像数据，获取塔筒焊缝处一整段连续的点云：激光相机2在塔筒转动过程中对塔筒焊缝处进行激光扫描，获取焊缝处的点云；
步骤C.图像采集系统02对图像数据进行预处理并直接传输给缺陷检测系统；
其中，图像采集系统02对图像数据进行预处理包括：
去噪处理：对点云数据进行滤波处理和ROI提取，滤波处理将图像数据进行图像去噪、图像平滑处理，用于剔除干扰检测的噪声，本实施例采用的是空间域滤波，根据点云的高度，选出要感兴趣的点云区域；ROI提取用于将需要识别的区域从背景区域中提取出来；
对点云数据进行切片化处理；分割提取出待检测的区域，使用聚类分割方法将非检测区域去除，剩余检测点云区域再进一步分割；
筛选最高点云数据集合；
筛选最低点云数据集合；
筛选母材点云数据集合。
步骤D.缺陷检测系统根据图像采集系统采集的图像数据进行缺陷检测；
其中，步骤D包括：
获取图像数据：图像采集系统将预处理后的图像数据直接传输给缺陷检测系统，缺陷检测系统读取图像采集系统传递的图像数据；
三维图像检测：检测焊缝是否存在咬边缺陷和弧坑缺陷；
二维图像检测:检测焊缝是否存在气孔缺陷；
显示检测结果：若焊缝存在缺陷，在显示检测结果的同时在图像上对缺陷区域进行区域标记；
在本实施例中，所述三维图像检测包括以下步骤：
设定点云数据的高度阈值H的范围；
将筛选出的最高点云数据集合、最低点云数据集合和母材点云数据集合分别进行三维重建；
求最高区域到母材高度的均值`H1和最低区域到母材的高度的均值`H2；
将H分别与H1和H2进行对比；
判定结果：若H1＞H，则判定为咬边缺陷；若H2＞H，则判定为弧坑缺陷，若H1＜H,以及H2＜H，则判定为合格。
在本实施例中，H与H1和H2进行对比的步骤包括：
H与H1的对比；
H与H2的对比。
在本实施例中，所述二维图像检测包括以下步骤：
获取高度图：将根据点云三维重建的三维图变换到二维平面；
设定气孔面积阈值S的范围；
将二维图进行灰度化处理；
选取特征区域；
计算特征区域的面积S1；
将S于S1进型对比；
判定结果：若S1在S的范围内，则判定为气孔缺陷，否则判定为合格。
本实施例的检测方法，适用于在线检测，图像采集系统采集塔筒焊缝处的图像数据后，对图像数据进行预处理，然后直接输送到缺陷检测软件，缺陷检测软件对图像数据进行进三维重建，根据最高区域和最低区域的高度差△H与点云数据的高度阈值H的范围对比，以判定塔筒焊缝处是否存在咬边缺陷和弧坑缺陷。当三维检测结束后，缺陷检测系统将三维图片变换为二维平面，然后进行二维检测，以判定塔筒焊缝处是否存在气孔缺陷。
以上仅为发明的较佳实施例而已，并不用以限制发明，凡在发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在发明的保护范围之内。
Claims (10)
1.一种基于机器视觉的风电塔筒焊缝缺陷检测装置，其特征在于，包括图像采集系统、运动控制系统和缺陷检测系统，图像采集系统包括相机支架、激光相机、通讯接口和计算机，相机支架用于固定激光相机并可以对激光相机的高度进行调整，激光相机用于采集塔筒焊缝处的图像数据，所采取的图像数据包括高度图和点云数据；通讯接口用于将激光相机与计算机连接；运控控制系统用于支撑风电塔筒并在图像采集系统采集风电塔筒焊缝处的图像数据时转动塔筒，缺陷检测系统为安装于计算机内的缺陷检测软件；缺陷检测系统对高度图进行二维分析，以检测塔筒焊缝气孔缺陷，缺陷检测系统对点云数据进行三维分析，以检测塔筒焊缝的咬边缺陷和弧坑缺陷。
2.一种基于机器视觉的风电塔筒焊缝缺陷检测方法，采用上述缺陷检测装置，其特征在于，具体检测方法如下：
步骤A.运动控制系统转动塔筒；
步骤B.图像采集系统在塔筒转动过程中采集塔筒焊缝处的图像数据，获取塔筒焊缝处的高度图及一整段连续的点云数据；
步骤C.图像采集系统对图像数据进行预处理并输出；
步骤D.缺陷检测系统根据图像采集系统采集的图像数据进行缺陷检测；
其中，步骤D包括
获取图像数据；
三维图像检测：检测焊缝是否存在咬边缺陷和弧坑缺陷；
二维图像检测:检测焊缝是否存在气孔缺陷；
显示检测结果。
3.根据权利要求2所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述步骤C中图像采集系统对图像数据进行预处理后，输出到计算机，计算机对图像数据进行存储，所述步骤D中获取图像数据的步骤为缺陷检测系统从计算机加载图像数据。
4.根据权利要求3所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述步骤C中图像采集系统对图像数据进行预处理包括滤波处理和ROI提取。
5.根据权利要求4所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述三维图像检测包括以下步骤：
设定点云数据的高度阈值H的范围；
根据点云数据进行三维重建；
计算上表面和下表面的高度差△H；
将H与△H进行对比；
判定结果：若△H＞H，则判定为咬边缺陷；若△H＜H，则判定为弧坑缺陷；若△H在H的范围内，则判定为合格；
其中，计算上表面和下表面的高度差△H的步骤包括：
筛选出上表面点云数据，并计算上表面的高度的均值`H1；
筛选出下表面点云数据，并计算下表面的高度的均值`H2；
计算上表面和下表面的高度差△H，△H=`H1-`H2。
6.根据权利要求3所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述二维图像检测包括以下步骤：
设定气孔面积阈值S的范围；
获取高度图：从计算机加载高度图；
将高度进行灰度化处理；
选取特征区域；
计算特征区域的面积S1；
将S于S1进行对比；
判定结果：若S1在S的范围内，则判定为气孔缺陷，否则判定为合格。
7.根据权利要求2所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述步骤C中图像采集系统对图像数据进行预处理后，直接传输给缺陷检测系统，所述步骤D中获取图像数据的步骤为缺陷检测系统直接读取图像采集系统传递的图像数据。
8.根据权利要求7所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述步骤C中图像采集系统对图像数据进行预处理包括以下步骤：
去噪处理：对点云数据进行滤波处理和ROI提取；
对点云数据进行切片化处理；筛选最高点云数据集合；
筛选最低点云数据集合；
筛选母材点云数据集合。
9.根据权利要求8所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述三维图像检测包括以下步骤：
设定点云数据的高度阈值H的范围；
将筛选出的最高点云数据集合、最低点云数据集合和母材点云数据集合分别进行三维重建；
求最高区域到母材高度的均值`H1和最低区域到母材的高度的均值`H2；
将H分别与H1和H2进行对比；
判定结果：若H1＞H，则判定为咬边缺陷；若H2＞H，则判定为弧坑缺陷，若H1＜H,以及H2＜H，则判定为合格。
10.根据权利要求9所述的基于机器视觉的风电塔筒焊缝缺陷检测方法，其特征在于，所述二维图像检测包括以下步骤：
获取高度图：将根据点云三维重建的三维图变换到二维平面；
设定气孔面积阈值S的范围；
将二维图进行灰度化处理；
选取特征区域；
计算特征区域的面积S1；
将S与S1进行对比；
判定结果：若S1在S的范围内，则判定为气孔缺陷，否则判定为合格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010568753.8A CN111551565A (zh) | 2020-06-19 | 2020-06-19 | 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010568753.8A CN111551565A (zh) | 2020-06-19 | 2020-06-19 | 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111551565A true CN111551565A (zh) | 2020-08-18 |
Family
ID=72001828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010568753.8A Pending CN111551565A (zh) | 2020-06-19 | 2020-06-19 | 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111551565A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112304978A (zh) * | 2020-10-20 | 2021-02-02 | 苏州维信电子有限公司 | 一种多层柔性线路板缺陷检测方法 |
| CN112308832A (zh) * | 2020-10-29 | 2021-02-02 | 常熟理工学院 | 一种基于机器视觉的轴承质量检测方法 |
| CN112594144A (zh) * | 2020-12-10 | 2021-04-02 | 安徽农业大学 | 一种基于无人机搭载的智能化风电机组桨叶监测探伤机构 |
| CN113610814A (zh) * | 2021-08-10 | 2021-11-05 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、电子设备及存储介质 |
| CN114119470A (zh) * | 2021-10-15 | 2022-03-01 | 厦门微亚智能科技有限公司 | 一种基于深度学习的电芯密封钉焊缝外观检测算法及系统 |
| CN114119464A (zh) * | 2021-10-08 | 2022-03-01 | 厦门微亚智能科技有限公司 | 一种基于深度学习的锂电池电芯顶盖焊缝外观检测算法 |
| CN116642893A (zh) * | 2023-07-24 | 2023-08-25 | 吉林省艾优数字科技有限公司 | 一种抗原检测试剂视觉智能检测方法、装置、设备及介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009220155A (ja) * | 2008-03-17 | 2009-10-01 | Kawasaki Heavy Ind Ltd | 溶接品質検査方法および装置 |
| CN102645219A (zh) * | 2012-05-16 | 2012-08-22 | 航天科工哈尔滨风华有限公司 | 用于焊缝检测的爬壁机器人的视觉导航系统及焊缝的焊接定位方法及焊缝偏移量获取方法 |
| CN107764205A (zh) * | 2017-11-06 | 2018-03-06 | 长安大学 | 基于线结构光扫描高频电阻焊焊缝形貌三维检测装置及检测方法 |
| CN108335286A (zh) * | 2018-01-17 | 2018-07-27 | 南京理工大学 | 一种基于双线结构光的在线焊缝成型视觉检测方法 |
| CN108932713A (zh) * | 2018-07-20 | 2018-12-04 | 成都指码科技有限公司 | 一种基于深度学习的焊缝气孔缺陷自动检测方法 |
| CN109541167A (zh) * | 2018-12-24 | 2019-03-29 | 大唐巴彦淖尔风力发电有限责任公司 | 一种自动爬行式风机塔筒焊缝探伤检测装置及检测方法 |
| CN109978865A (zh) * | 2019-03-28 | 2019-07-05 | 中核建中核燃料元件有限公司 | 一种用于核燃料棒焊缝表面检测的方法、装置 |
| CN110530877A (zh) * | 2019-09-16 | 2019-12-03 | 西安中科光电精密工程有限公司 | 一种焊接外形质量检测机器人及其检测方法 |
| CN110763727A (zh) * | 2019-10-23 | 2020-02-07 | 广东工业大学 | 一种焊接缺陷的无损检测系统 |
| CN110992362A (zh) * | 2019-12-25 | 2020-04-10 | 宁波江丰电子材料股份有限公司 | 一种焊接类溅射靶材中气孔的检测方法 |
| CN111075665A (zh) * | 2020-01-03 | 2020-04-28 | 国电联合动力技术有限公司 | 一种风电机组塔筒非接触应变采集、测量系统及风电机组 |
| CN111103291A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于产品焊缝特征的图像识别与质量智能评价系统 |
| CN111292303A (zh) * | 2020-01-21 | 2020-06-16 | 湖北文理学院 | 焊缝缺陷类别检测方法、装置、电子设备及存储介质 |
-
2020
- 2020-06-19 CN CN202010568753.8A patent/CN111551565A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009220155A (ja) * | 2008-03-17 | 2009-10-01 | Kawasaki Heavy Ind Ltd | 溶接品質検査方法および装置 |
| CN102645219A (zh) * | 2012-05-16 | 2012-08-22 | 航天科工哈尔滨风华有限公司 | 用于焊缝检测的爬壁机器人的视觉导航系统及焊缝的焊接定位方法及焊缝偏移量获取方法 |
| CN107764205A (zh) * | 2017-11-06 | 2018-03-06 | 长安大学 | 基于线结构光扫描高频电阻焊焊缝形貌三维检测装置及检测方法 |
| CN108335286A (zh) * | 2018-01-17 | 2018-07-27 | 南京理工大学 | 一种基于双线结构光的在线焊缝成型视觉检测方法 |
| CN108932713A (zh) * | 2018-07-20 | 2018-12-04 | 成都指码科技有限公司 | 一种基于深度学习的焊缝气孔缺陷自动检测方法 |
| CN109541167A (zh) * | 2018-12-24 | 2019-03-29 | 大唐巴彦淖尔风力发电有限责任公司 | 一种自动爬行式风机塔筒焊缝探伤检测装置及检测方法 |
| CN109978865A (zh) * | 2019-03-28 | 2019-07-05 | 中核建中核燃料元件有限公司 | 一种用于核燃料棒焊缝表面检测的方法、装置 |
| CN110530877A (zh) * | 2019-09-16 | 2019-12-03 | 西安中科光电精密工程有限公司 | 一种焊接外形质量检测机器人及其检测方法 |
| CN110763727A (zh) * | 2019-10-23 | 2020-02-07 | 广东工业大学 | 一种焊接缺陷的无损检测系统 |
| CN111103291A (zh) * | 2019-12-20 | 2020-05-05 | 广西柳州联耕科技有限公司 | 基于产品焊缝特征的图像识别与质量智能评价系统 |
| CN110992362A (zh) * | 2019-12-25 | 2020-04-10 | 宁波江丰电子材料股份有限公司 | 一种焊接类溅射靶材中气孔的检测方法 |
| CN111075665A (zh) * | 2020-01-03 | 2020-04-28 | 国电联合动力技术有限公司 | 一种风电机组塔筒非接触应变采集、测量系统及风电机组 |
| CN111292303A (zh) * | 2020-01-21 | 2020-06-16 | 湖北文理学院 | 焊缝缺陷类别检测方法、装置、电子设备及存储介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112304978A (zh) * | 2020-10-20 | 2021-02-02 | 苏州维信电子有限公司 | 一种多层柔性线路板缺陷检测方法 |
| CN112308832A (zh) * | 2020-10-29 | 2021-02-02 | 常熟理工学院 | 一种基于机器视觉的轴承质量检测方法 |
| CN112594144A (zh) * | 2020-12-10 | 2021-04-02 | 安徽农业大学 | 一种基于无人机搭载的智能化风电机组桨叶监测探伤机构 |
| CN113610814A (zh) * | 2021-08-10 | 2021-11-05 | 广东利元亨智能装备股份有限公司 | 焊缝质量检测方法、装置、电子设备及存储介质 |
| CN114119464A (zh) * | 2021-10-08 | 2022-03-01 | 厦门微亚智能科技有限公司 | 一种基于深度学习的锂电池电芯顶盖焊缝外观检测算法 |
| CN114119470A (zh) * | 2021-10-15 | 2022-03-01 | 厦门微亚智能科技有限公司 | 一种基于深度学习的电芯密封钉焊缝外观检测算法及系统 |
| CN114119470B (zh) * | 2021-10-15 | 2023-04-07 | 厦门微亚智能科技有限公司 | 一种基于深度学习的电芯密封钉焊缝外观检测算法及系统 |
| CN116642893A (zh) * | 2023-07-24 | 2023-08-25 | 吉林省艾优数字科技有限公司 | 一种抗原检测试剂视觉智能检测方法、装置、设备及介质 |
| CN116642893B (zh) * | 2023-07-24 | 2023-10-03 | 吉林省艾优数字科技有限公司 | 一种抗原检测试剂视觉智能检测方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111551565A (zh) | 一种基于机器视觉的风电塔筒焊缝缺陷检测装置及方法 | |
| CN100486476C (zh) | 基于线结构光传感器自动生成鞋底喷胶轨迹的方法及系统 | |
| CN113744270A (zh) | 起重机复杂钢结构表面缺陷的无人机视觉检测与识别方法 | |
| CN111122602B (zh) | 基于三维相机的跨座式单轨指形板异常检测系统及方法 | |
| CN105158257A (zh) | 滑板测量方法及装置 | |
| CN110220481B (zh) | 手持式视觉检测设备及其位姿检测方法 | |
| CN107578397A (zh) | 一种新型非接触式接触线磨损检测方法 | |
| CN103196372A (zh) | 一种电气化铁路接触网支持装置的光学成像检测方法 | |
| CN108180870A (zh) | 基于测距原理的大型锻件同心度检测装置及其检测方法 | |
| CN109030502A (zh) | 一种基于机器视觉的焊点缺陷检测系统 | |
| CN114034704A (zh) | 一种基于多源数据融合的废旧轧辊三维检测装置及方法 | |
| CN114187330A (zh) | 一种基于光流法的结构微幅振动工作模态分析方法 | |
| CN113935971A (zh) | 一种复合材料表面缺陷的检测方法及装置 | |
| CN115601359A (zh) | 一种焊缝检测方法及装置 | |
| CN102496032A (zh) | 一种电气设备x射线数字图片处理算法支持系统 | |
| JP4771797B2 (ja) | 距離計測装置及び距離計測方法 | |
| CN113702384A (zh) | 一种回转构件表面缺陷检测装置、检测方法及标定方法 | |
| CN111709940A (zh) | 一种基于机器视觉的电容缺陷检测方法 | |
| CN112258398B (zh) | 基于tof与双目图像融合的输送带纵向撕裂检测装置与方法 | |
| CN109490314B (zh) | 一种基于改进型传感检测装置的工业机器视觉系统 | |
| CN211042086U (zh) | 一种基于双目3d视觉的接触网几何参数动态检测仪 | |
| CN111497690A (zh) | 一种用于接触网分段、分相绝缘器的检测系统 | |
| CN113271410B (zh) | 用于确定工程机械的支腿开度的方法、处理器及装置 | |
| CN105242060B (zh) | 一种列车车轮空转及滑行的实时监测方法 | |
| US20230106537A1 (en) | Method and system for visual inspection of wind turbine generators |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200818 |